復雜環境中非約束圖像識別是計算機視覺和人機交互領域中的重要研究問題，本書主要關注復雜環境中非約束人臉圖像識別和遙感場景識別中的難點和問題，詳細介紹非約束環境中的人臉特征點定位方法、自然場景和大場景下的頭部姿態估計方法、多視角變化下的自發表情識別方法、高分遙感影像的場景分類和場景識別方法，并討論了該領域的應用和研究方向。本書建立一個非約束圖像識別的方法框架，以期協助讀者擴展到不同的視覺任務。
目錄
第1章 緒論 1
1.1 為什么要做圖像識別 1
1.2 復雜環境非約束圖像人臉識別 2
1.2.1 復雜環境人臉識別技術 4
1.2.2 復雜環境人臉識別面臨的挑戰 7
1.3 復雜環境高分辨率遙感影像場景識別 9
1.3.1 復雜環境的遙感影像場景識別技術 10
1.3.2 高分辨率遙感影像場景識別面臨的挑戰 12
1.4 相關數據集 13
1.4.1 人臉圖像數據集 13
1.4.2 遙感場景圖像數據集 14
1.5 本書內容 16
第2章 非約束環境下的人臉特征點精確定位 18
2.1 引言 18
2.2 基于CI-RF的非約束人臉特征點精確定位 19
2.2.1 方法概述 19
2.2.2 人臉正/負子區域分類 20
2.2.3 初始化人臉特征定位 21
2.2.4 非約束人臉特征精確定位 24
2.2.5 條件權重稀疏投票 25
2.3 實驗和分析 26
2.3.1 實驗參數設置 26
2.3.2 CI-RF中多概率模型分析和特征分析 28
2.3.3 基于CI-RF人臉特征點精確定位分析 30
2.3.4 與經典方法的比較 31
第3章 自然場景中的頭部姿態估計 34
3.1 引言 34
3.2 RF算法 35
3.3 基于D-RF的頭部姿態估計 37
3.3.1 D-RF的訓練 38
3.3.2 水平頭部姿態估計 41
3.3.3 豎直頭部姿態估計 41
3.4 D-RF的多層概率模型 42
3.5 實驗和分析 43
3.5.1 訓練 44
3.5.2 測試 45
3.5.3 平均準確率比較和分析 46
3.5.4 D-RF的級聯層數分析 46
3.5.5 相關算法的比較 47
3.5.6 運行時間的比較 47
3.5.7 魯棒性分析 48
第4章 多視角自發表情識別 49
4.1 引言 49
4.2 M-DNF的自發表情識別 51
4.2.1 方法概述 51
4.2.2 深度遷移表情特征提取 52
4.2.3 多視角網絡增強森林 52
4.2.4 多視角估計 54
4.2.5 多視角條件概率和自發表情識別 55
4.3 實驗和分析 55
4.3.1 實驗參數設置 55
4.3.2 CK+數據集的實驗分析 56
4.3.3 BU-3DFE多視角表情數據集的實驗分析 58
4.3.4 LFW自然環境中表情數據集的實驗分析 60
4.3.5 不同方法時間效率的比較 61
第5章 多尺度高分辨率遙感影像場景分類 62
5.1 引言 62
5.2 JMCNN網絡結構 63
5.2.1 多通道卷積特征提取 64
5.2.2 多尺度特征聯合 65
5.2.3 Softmax分類器及損失函數 66
5.3 多尺度高分辨率遙感影像場景分類 67
5.3.1 遙感影像數據預處理 67
5.3.2 遙感影像場景分類 67
5.4 實驗和分析 69
5.4.1 實驗參數設置 69
5.4.2 實驗1UCM數據集場景識別 70
5.4.3 實驗2SIRI數據集場景分類實驗 73
5.4.4 實驗3USGS大幅影像場景標注 74
第6章 多特征融合的復雜遙感場景識別 76
6.1 引言 76
6.2 原理方法 77
6.2.1 CNN模型 78
6.2.2 VGG-19特征提取器 80
6.2.3 局部特征的表達 80
6.2.4 全局特征的提取 83
6.2.5 融合特征的提取及分類 83
6.3 實驗和分析 84
6.3.1 實驗參數設置 84
6.3.2 卷積層特征表達能力分析 84
6.3.3 GLDFB實驗結果及分析 87
6.3.4 遷移實驗 91
參考文獻 92
編后記 99
新書資訊